I takt med at Woodsense sensorerne kommer ud og dækker større byggerier i både Danmark, Sverige og Norge, får vi adgang til mere data, som vi kan anvende til at forbedre vores anomali detekterings algoritmer.
Vores intelligente fugtmåler er bygget op omkring en algoritme som gennem vejrdata om nedbør, luftfugtighed, lufttryk, dugpunkt samt vindretning- og hastighed kan vurdere mængden af fugt i træet.
For at kunne fange fugt- og uregelmæssigheder kombinerer vi vores data med vejrdata, som gør os i stand til at analysere os frem til kritiske situationer.
Sensorerne har været i stand til at fange mange forskellige udsving i målingerne og give besked om udsving gennem en intelligent fugtalarm - her er et udpluk af de mange varierende udsving, sensorerne har fanget.
Ovenstående eksempel viser monitorering af korrekt udtørring af CLT elementer efter lukning over en periode på fire måneder fra december 2020 til april 2021.
I løbet af perioden kom nogle af områderne ikke ned på det acceptable niveau på 10 pct., og skulle derfor gentjekkes.
Mange træmoduler ligger lang tid til opbevaring og det er derfor vigtigt for fabrikanter og leverandører at sørge for, at træmodulerne ikke udsættes for dårlige forhold.
Ovenstående eksempel viser monitorering af et træmodul som har ligget til opbevaring ved en fabrikant. Målingerne for de andre monitorerede træmoduler ændrede sig ikke, og derfor blev der rejst et flag ved ovenstående målinger.
I målingerne kan man se hvordan temperatur og luftfugtighed pludselig ændrer sig omkring d. 11. marts, hvor der var ekstreme vejrforhold med storm og regn.
Eftersom efterfølgende udtørring af træmodulet ikke skete umiddelbart efter, antages det desuden, at der er gået hul på plastikindpakningen, som dækker træmodulet.
Uanset om træmoduler opbevares ved fabrikanten eller på byggepladsen, er det en god idé at udføre fugtmonitorering for at holde øje med mængden af fugt i træelementerne.
Som ovenstående eksempel viser, er sensorerne i stand til at spore fugt og uregelmæssigheder ved at samle og anvende vejrdata om det omkringliggende miljø, herunder fugtindhold- og nedbør samt luftfugtighed og temperaturer.
Som følgende eksempel viser, kan fugtmonitorering med stor fordel anvendes efter udførelsesfasen; også i kælderrum og risikoområder, er der store fordele at hente, ved at udføre fugtmonitorering i bygningens driftsfase.
Ovenstående eksempel viser fugtmonitorering, hvor sensorerne er placeret i en kælder. I målingerne sker der ikke en drastisk stigning, men eftersom sensoren er monteret i en kælder, var det mistænkeligt, at den gradvise stigning skete og ikke tørrede ud efterfølgende.
Da kunden fik alarmen og tjekkede til sin kælder, fandt de ud af, at vejarbejdere havde boret gennem fortovet og ned til kælderen. Det resulterede i, at regnvand lige så stille begyndte at fylde kælderen op.
Denne kunde satte nogle af sensorerne op, efter de havde haft en kæmpe lækage, så de var glade for at undgå endnu et vandproblem.
Fra første dag har målet med Woodsense sensorløsningen været at have smarte algoritmer, som automatisk detekterer anomalier og som tager højde for sensor placeringens kontekst.
Før vi kan nå dertil, bruger vi kræfter på manuelt at inspicere data, så vi bedre kan træne vores algoritmer. Det kan derfor nærmere kaldes Human Assisted AI indtil videre, frem for fuldautomatisk anomali detektering. Vi udvikler intenst på vores data detektering og vi glæder os til at kunne skrive mere om det i fremtiden. Følg med her på siden eller tilmeld dig vores nyhedsbrev.
.jpg)
.png)
.jpg)
